排序操作：按市盈率与收益率对股票排名

小象实战讲义 · 量化交易Python入门：从咖啡馆到华尔街

Pandas 是量化交易员最核心的武器。本章你将通过 Series 和 DataFrame 深度处理时间序列行情数据，掌握 loc/iloc 定位筛选、缺失值与重复值清洗、以及最大回撤与年化波动率等核心指标统计计算。

💡 核心导读

本节将深入讲解 Pandas 中的排序操作，这是数据分析中最基础也最常用的数据整理技术。通过学习，您将掌握：

• 按单列/多列进行升序/降序排序
• 处理缺失值的排序策略
• 索引排序与重置索引的技巧
• 大型数据集排序的性能优化思路 我们将通过真实数据集演示如何通过排序快速发现数据规律，为后续分析打下坚实基础。

基本排序方法

按列值排序

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)

df_sorted = df.sort_values('销量', ascending=False)
print(df_sorted)

执行前数据：

产品   销量    单价
3   耳机  200   399
0   手机  120  5999
2   平板   90  3999
1  笔记本   85  8999
4   键盘   65   299

执行后结果：

   产品  销量   单价
3  耳机  200   399
0  手机  120  5999
2  平板   90  3999
1  笔记本   85  8999
4  键盘   65   299

多列排序

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)

df_multi_sorted = df.sort_values(['销量', '单价'], ascending=[False, True])
print(df_multi_sorted)

产品   销量    单价
3   耳机  200   399
0   手机  120  5999
2   平板   90  3999
1  笔记本   85  8999
4   键盘   65   299

索引排序

按索引排序

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)

df_shuffled = df.sample(frac=1, random_state=42)
print("打乱后的索引:\n", df_shuffled.index)

df_reindexed = df_shuffled.sort_index()
print("\n按索引排序后:")
print(df_reindexed)

打乱后的索引:
 Index([1, 4, 2, 0, 3], dtype='int64')

按索引排序后:
    产品   销量    单价
0   手机  120  5999
1  笔记本   85  8999
2   平板   90  3999
3   耳机  200   399
4   键盘   65   299

重置索引

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)
df_sorted = df.sort_values('销量', ascending=False)

df_reset = df_sorted.reset_index(drop=True)
print("重置索引后:")
print(df_reset)

重置索引后:
    产品   销量    单价
0   耳机  200   399
1   手机  120  5999
2   平板   90  3999
3  笔记本   85  8999
4   键盘   65   299

高级排序技巧

处理缺失值

import pandas as pd

df_nan = pd.DataFrame({
    'A': [1, None, 3, 2],
    'B': ['x', 'y', None, 'z']
})

df_nan_sorted = df_nan.sort_values('A', na_position='last')
print(df_nan_sorted)

A    B
0  1.0    x
3  2.0    z
2  3.0  NaN
1  NaN    y

自定义排序规则

import pandas as pd

data = {
    '产品': ['手机', '笔记本', '平板', '耳机', '键盘'],
    '销量': [120, 85, 90, 200, 65],
    '单价': [5999, 8999, 3999, 399, 299]
}
df = pd.DataFrame(data)

custom_order = ['耳机', '手机', '平板', '笔记本', '键盘']
df['产品'] = pd.Categorical(df['产品'], categories=custom_order, ordered=True)
df_custom_sorted = df.sort_values('产品')
print(df_custom_sorted)

产品   销量    单价
3   耳机  200   399
0   手机  120  5999
2   平板   90  3999
1  笔记本   85  8999
4   键盘   65   299

性能优化

对于大型数据集（>1GB）的排序：

import pandas as pd
import numpy as np

np.random.seed(42)
dates = pd.date_range('2023-01-01', periods=10, freq='D')
large_df = pd.DataFrame({
    'timestamp': dates,
    'price': np.random.uniform(100, 200, 10),
    'volume': np.random.randint(1000, 10000, 10)
})

large_df_sorted = large_df.sort_values('timestamp', kind='mergesort')
print("稳定排序后:")
print(large_df_sorted)

稳定排序后:
   timestamp       price  volume
0 2023-01-01  137.454012    2685
1 2023-01-02  195.071431    1769
2 2023-01-03  173.199394    7949
3 2023-01-04  159.865848    3433
4 2023-01-05  115.601864    6311
5 2023-01-06  115.599452    6051
6 2023-01-07  105.808361    7420
7 2023-01-08  186.617615    2184
8 2023-01-09  160.111501    5555
9 2023-01-10  170.807258    4385

📝 动手练一练

第 1 题 · 概念应用

你正在构建一个“双因子”股票筛选策略，希望从股票池中优先选择估值较低且近期动量较强的股票。你决定使用市盈率（pe_ratio）和最近一个月的收益率（monthly_return）作为排序依据。

以下哪段代码能正确实现“先按市盈率升序（低估值优先），若市盈率相同，则按月度收益率降序（高动量优先）”的排序逻辑？

A.

df_sorted = df.sort_values(by=['pe_ratio', 'monthly_return'], ascending=[True, True])

B.

df_sorted = df.sort_values(by=['monthly_return', 'pe_ratio'], ascending=[False, True])

C.

df_sorted = df.sort_values(by=['pe_ratio', 'monthly_return'], ascending=[True, False])

D.

df_sorted = df.sort_values(by=['pe_ratio', 'monthly_return'], ascending=[False, True])

第 2 题 · 代码填空

在分析股票行情数据时，你发现数据集的索引是乱序的日期字符串（如 ‘2023-10-26’）。为了进行时间序列分析，你需要先将数据按日期索引进行升序排列，并重置为从0开始的连续整数索引。

请补全以下代码，实现上述两步操作：

import pandas as pd

# 模拟一个索引乱序的行情数据
data = {
    'close': [150.2, 152.5, 149.8, 151.0, 153.3]
}
index_values = ['2023-10-26', '2023-10-24', '2023-10-25', '2023-10-23', '2023-10-27']
df = pd.DataFrame(data, index=index_values)
print("原始数据（索引乱序）:")
print(df)

# 第一步：按索引（日期）进行升序排序
df_sorted = df.______(ascending=True)

# 第二步：重置索引，丢弃旧的日期索引，生成新的连续整数索引
df_final = df_sorted.reset_index(drop=True)

print("\n处理后的数据:")
print(df_final)

import pandas as pd

# 模拟一个索引乱序的行情数据
data = {
    'close': [150.2, 152.5, 149.8, 151.0, 153.3]
}
index_values = ['2023-10-26', '2023-10-24', '2023-10-25', '2023-10-23', '2023-10-27']
df = pd.DataFrame(data, index=index_values)
print("原始数据（索引乱序）:")
print(df)

# 第一步：按索引（日期）进行升序排序
df_sorted = df.sort_index(ascending=True)

# 第二步：重置索引，丢弃旧的日期索引，生成新的连续整数索引
df_final = df_sorted.reset_index(drop=True)

print("\n处理后的数据:")
print(df_final)

原始数据（索引乱序）:
            close
2023-10-26  150.2
2023-10-24  152.5
2023-10-25  149.8
2023-10-23  151.0
2023-10-27  153.3

处理后的数据:
   close
0  151.0
1  152.5
2  149.8
3  150.2
4  153.3

本章小结

📋 行动清单

• 使用本地销售数据，分别按销售额和利润率进行多列排序，观察数据分布特征
• 创建一个含缺失值的DataFrame，测试不同na_position参数对排序结果的影响
• 对超过100万行的数据集测试quicksort、mergesort和heapsort的性能差异

—— 小象教研组